一种基于实时车辆轨迹的信号交叉口两难区控制方法

技术领域

本发明涉及交通控制领域，尤其是涉及一种基于实时车辆轨迹的信号交叉口 两难区控制方法。

背景技术

在信控交叉口范围内，存在一个现象叫做两难区，分为一类两难区和二类两 难区，两难区的存在极大地影响了交叉口的交通安全。一类两难区的定义是在交叉 口以限速行驶的车辆在黄灯结束时既无法在停止线前安全停车又无法安全通过交 叉口的一段空间区域。图1为一类两难区原理图，Xs表示能够安全停在停止线前 的最小距离，如果黄灯启亮时车辆到停止线的距离小于Xs，则车辆无法安全停在 停止线以内。Xc表示车辆能在黄灯间隔内驶出停车线的最大距离。如果黄灯启亮 时车辆距停止线的距离大于Xc，则黄灯结束前车辆无法驶出交叉口。二类两区的 定义是从90％的车辆会减速停车的距离开始，到只有10％的车辆会减速停车的距 离结束。一些研究中，通过车辆行驶到停止线的时间来界定第二类两难区范围，根 据不同地方的观测数据，通常有2.5s～5.0s，2.0s～4.5s，3.0s～5.0/6.0s和1.7s～4.7s。 图2为二类两难区原理图。

传统的两难区控制方法包括一类两难保护控制方法和二类两难区保护控制方 法。目前使用最多的两难区保护控制系统是绿灯时间延长系统(GES)。绿灯时间 延长系统是通过在交叉口前方一定距离设置检测器，通过检测器对车辆进行检测， 若满足一定条件，则对绿灯时间进行延长，直到不满足条件，或者绿灯时间达到最 大绿灯时间，切换相位。常见的绿灯延长系统包括单检测器两难区控制系统、双检 测器两难区控制系统、多检测器两难区控制系统。较为常用的两难区保护控制系统 还包括DCS系统，大车优先系统，SOS系统等等。这些常用的两难区保护控制系 统往往是基于传统的线圈检测方式，不能够对车辆进行实时检测，对车辆状态的判 断与实际情况有一定的偏差，从而影响防护效果。所以常用的两难区控制系统存在 的问题是：

1)检测信息利用不足。传统的两难区控制系统往往采用线圈检测器，很难做 到对车辆的实时状态检测，从而对车辆的状态信息不能持续准确地判断。

2)防护效果不足。受限于传统的检测方式的缺陷，使得控制算法层面存在不 足，最终导致防护效果不足。

但是，在如今的交通信息化背景下，检测手段的多样化使得车辆的实时轨迹 获取成为可能，车辆实时轨迹的可以用来开发更为先进的两难区控制策略。本发明 针对传统的两难区控制策略在新型交通检测信息利用方面的不足，对全息检测环境 下的信号控制方法进行探索性研究，该方法针对郊区高速交叉口，可以根据实时检 测的车辆速度、位置、车型等信息，在考虑一类两难区和二类两难区的潜在危害程 度以及小汽车和卡车在车辆性能方面的差异的基础上，估计当前时刻两难区内的车 辆数以及预测未来两难区内的车辆数，以两难区内车辆数最少为控制目标，兼顾控 制效率的前提下，判断相位切换的时刻。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种安全性高、易 于实施、方法先进的基于实时车辆轨迹的交叉口信号相位控制方法。

本发明的目的可以通过以下技术方案来实现：

一种基于实时车辆轨迹的信号交叉口两难区控制方法，包括以下步骤：

1)根据交叉口的全息检测装置，获取将要通过交叉口车辆的状态信息；

2)根据得到的将要通过交叉口车辆的状态信息进行交叉口信号相位控制，通 过获取当前时刻位于一类两难区和二类两难区的车辆数量以及预测接下来的时间 内的一类两难区和二类两难区的车辆数量，来确定是否需要延长绿灯时间。

所述的步骤2)具体包括以下步骤：

201)判断当前绿灯时间是否大于最小绿灯时间g_min，若为是，进行步骤202)， 若为否，则进行步骤211)，最小绿灯时间g_min的计算式为：

$g_{\min }=7+\frac{L_p}{v_p}-I$

其中，L_p为行人过街道长度，v_p为行人过街步速，取1.2m/s，I为绿灯间隔时 间；

202)判断当前剩余绿灯时间是否达到最大绿灯时间g_max，若为是，进行步骤 212)，若为否，则进行步骤203)，最大绿灯时间g_max的计算式为：

$g_{\max }=(C_{\max }-L)\frac{y}{Y}$

其中，C_max为最大周期时间，L为总损失时间，y为该相位流量比，Y为流量 比之和，g_max为30-60s；

203)根据全息检测得到的车辆速度和位置，计算当前位于第一类两难区内的 车辆数N_DZ-I，N_DZ-I的计算式为：

$X_{\mathrm{cs}}^i=v_i\delta +{v_i}^2/2a$

$N_{\mathrm{DZ}-I}=\underset{i=1}{\overset{n}{\Sigma }}\mathrm{DZ}{I}_i$

其中，DZI_i为0-1变量，如果车辆位于第一类两难区则为1，否则为0，v_i为 第i辆车的瞬时速度，d_i为第i辆车距停车线距离，δ为反应时间，a为车辆的减速 度，τ为黄灯时间，X_cs为车辆能够安全停在停止线之前所需的最小距离，如果车 辆选择匀速通过，能够在黄灯时间内通过停车线的最大距离限制为X_p，上标i表 示第i辆车；

204)判断N_DZ-I是否等于零，若为是，进行步骤205)，若为否，进行步骤207)；

205)预测从当前时刻到最大绿灯时间内每一秒位于第一类两难区的车辆数 PN_DZ-1，PN_DZ-I的计算式为：

${\mathrm{PN}}_{\mathrm{DZ}-I}^t=\underset{i=1}{\overset{n}{\Sigma }}\mathrm{DZ}{I}_i^t$

其中，为第i辆车在第t秒时距停车线距离，为0-1变量，如果车辆在 第t秒时位于第一类两难区则为1，否则为0；

206)判断N_DZ-I是否大于或等于PN_DZ-I，若为是，则进行步骤211)，若为否， 则进行步骤212)；

207)计算当前位于第二类两难区的车辆数N_DZ-II，N_DZ-II的计算式为：

$N_{\mathrm{DZ}-\mathrm{II}}=\underset{i=1}{\overset{n}{\Sigma }}\mathrm{DZI}{I}_i$

其中，DZII_i为0-1变量，如果车辆位于第二类两难区则为1，否则为0，TTS_low为2.5s，TTS_high为5.0s；

208)判断N_DZ-II是否为零，若为是，进行步骤209)，若为否，则进行步骤212)；

209)预测从当前时刻到最大绿灯时间之内每一秒位于第二类两难区的车辆数 PN_DZ-II，PN_DZ-II的计算式如下：

${\mathrm{PN}}_{\mathrm{DZ}-\mathrm{II}}=\underset{i=1}{\overset{n}{\Sigma }}\mathrm{DZI}{I}_i^t$

其中，为0-1变量，如果车辆位于第二类两难区则为1，否则为0，TTS_low为2.5s，TTS_high为5.0s；

210)判断N_DZ-II是否大于或等于PN_Dz-II，若为是，进行步骤211)，若为否， 进行步骤201)；

211)继续绿灯；

212)结束绿灯时间。

所述的步骤1)中将要通过交叉口车辆的状态信息包括车辆速度、位置、车型、 密度、交叉口排队长度、饱和度和延误信息。

与现有技术相比，本发明具有以下优点：

一、安全性高，通过对一类两难区和二类两难区分别进行监控和预测，有效的 降低了处于两难区的车辆数目，降低了交叉口的安全事故隐患。

二、便于实施，本发明仅需在交叉口处设立车辆全息检测设备，辅以监控策略 即可对交叉路口进行防护。

三、方法先进，在全息条件下开发了两种两难区结合判断的防护算法，能够优 化相位切换时刻，提升两难区防护效果。

附图说明

图1为一类两难区原理图；

图2为二类两难区原理图；

图3为本发明的控制逻辑图；

图4为本发明的步骤流程图；

图5为双检测器布设图；

图6为多检测器布设图；

图7为两难区算法仿真结果，其中，(7a)为一类两难区车辆总数统计图，(7b) 为二类两难区车辆总数统计图，(7c)为车均延误统计图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。

实施例：

如图4所示，一种基于实时车辆轨迹的信号交叉口两难区控制方法，包括以下 步骤：

1)根据交叉口的全息检测装置，获取将要通过交叉口车辆的状态信息，包括 车辆速度、位置、车型、密度、交叉口排队长度、饱和度和延误信息；

2)根据得到的将要通过交叉口车辆的状态信息进行交叉口信号相位控制，通 过获取当前时刻位于一类两难区和二类两难区的车辆数量以及预测接下来的时间 内的一类两难区和二类两难区的车辆数量，来确定是否需要延长绿灯时间。

所述的步骤2)具体包括以下步骤：

201)判断当前绿灯时间是否大于最小绿灯时间g_min，若为是，进行步骤202)， 若为否，则进行步骤211)，最小绿灯时间g_min的计算式为：

$g_{\min }=7+\frac{L_p}{v_p}-I$

其中，L_p为行人过街道长度，v_p为行人过街步速，取1.2m/s，I为绿灯间隔时 间；

202)判断当前剩余绿灯时间是否达到最大绿灯时间g_max，若为是，进行步骤 212)，若为否，则进行步骤203)，最大绿灯时间g_max的计算式为：

$g_{\max }=(C_{\max }-L)\frac{y}{Y}$

其中，C_max为最大周期时间，L为总损失时间，y为该相位流量比，Y为流量 比之和，g_max为30-60s；

203)根据全息检测得到的车辆速度和位置，计算当前位于第一类两难区内的 车辆数N_DZ-I，N_DZ-I的计算式为：

$X_{\mathrm{cs}}^i=v_i\delta +{v_i}^2/2a$

$N_{\mathrm{DZ}-I}=\underset{i=1}{\overset{n}{\Sigma }}\mathrm{DZ}{I}_i$

其中，DZI_i为0-1变量，如果车辆位于第一类两难区则为1，否则为0，v_i为 第i辆车的瞬时速度，d_i为第i辆车距停车线距离，δ为反应时间，a为车辆的减速 度，τ为黄灯时间，X_cs为车辆能够安全停在停止线之前所需的最小距离，如果车 辆选择匀速通过，能够在黄灯时间内通过停车线的最大距离限制为X_p，上标i表 示第i辆车；

204)判断N_DZ-I是否等于零，若为是，进行步骤205)，若为否，进行步骤207)；

205)预测从当前时刻到最大绿灯时间内每一秒位于第一类两难区的车辆数 PN_DZ-I，PN_DZ-I的计算式为：

${\mathrm{PN}}_{\mathrm{DZ}-I}^t=\underset{i=1}{\overset{n}{\Sigma }}\mathrm{DZ}{I}_i^t$

其中，为第i辆车在第t秒时距停车线距离，为0-1变量，如果车辆在 第t秒时位于第一类两难区则为1，否则为0；

206)判断N_DZ-I是否大于或等于PN_DZ-I，若为是，则进行步骤211)，若为否， 则进行步骤212)；

207)计算当前位于第二类两难区的车辆数N_DZ-II，N_DZ-II的计算式为：

$N_{\mathrm{DZ}-\mathrm{II}}=\underset{i=1}{\overset{n}{\Sigma }}\mathrm{DZI}{I}_i$

其中，DZII_i为0-1变量，如果车辆位于第二类两难区则为1，否则为0，TTS_low为2.5s，TTS_high为5.0s；

208)判断N_DZ-II是否为零，若为是，进行步骤209)，若为否，则进行步骤212)；

209)预测从当前时刻到最大绿灯时间之内每一秒位于第二类两难区的车辆数 PN_DZ-II，PN_DZ-II的计算式如下：

$P{N}_{\mathrm{DZ}-\mathrm{II}}=\underset{i=1}{\overset{n}{\Sigma }}\mathrm{DZI}{I}_i^t$

其中，为0-1变量，如果车辆位于第二类两难区则为1，否则为0，TTS_low为2.5s，TTS_high为5.0s；

210)判断N_DZ-II是否大于或等于PN_DZ-II，若为是，进行步骤211)，若为否， 进行步骤201)；

211)继续绿灯；

212)结束绿灯时间。

如图5和图6所示，本次数据的采集地点在曹安公路嘉松北路交叉口，选择了 四个工作日调查，采用的数据采集方式为视频拍摄，需要调查的数据主要有车辆速 度，车辆减速度，反应时间和车辆距停止线距离，根据现场采集得出的数据，我们 通过软件，得出了车辆的速度、加速度和减速度等信息，并可以估计出驾驶员的反 应操作时间等参数。

根据实际的交叉口情况，我们利用VISSIM环境开发出了在线仿真平台，并对 各种参数进行了标定。

本此仿真测试3个不同的两难区控制策略，除了本文提出的基于实时车辆轨迹 的两难区控制策略，还与双检测器防护策略和多检测器防护策略进行对比，仿真测 试场景编号和条件如表1所示：

表1 仿真测试场景编号和条件

图7为不同场景下仿真结果，从图(7a)中可以看出，基于实时车辆轨迹的策 略下一类两难区车辆数在3种饱和度下均为0，效果最好，双检测器对应车辆数为9、 9和19，而多检测器对应车辆数为6、12和15。从以上数据可以看出，检测器数 量越多，对一类两难区的防护效果越好，基于实时车辆轨迹的算法在中低流量下可 以完全消除一类两难区情况。

从图(7b)中可以看出，基于实时车辆轨迹的策略下二类两难区车辆数在三中 饱和度下均远远低于双检测器和多检测器，效果最好，从仿真结果看出，基于实时 车辆轨迹的算法在中低流量下可以基本消除二类两难区情况。

从延误结果图(7c)来看，基于实时车辆轨迹的算法延误最小，其次是多检测 器和双检测器。在饱和度为0.55的低流量情况下，几种算法的延误数据没有明显 差别，随着饱和度增加至0.7和0.85，全息检测相比双检测器降低9％，比多检测 器降低7％。另外，在几种不同流量条件下，双检测器和多检测器的延误都非常接 近。